1。系统的可靠性较高：单一的传感器发生故障、受到外部环境干扰的概率较大，比较容易得到错误的信息；而多传感器一般会对同一目标的多个不同特征同时进行监测，获得冗余信息，通过数据融合得出目标的合理描述，进而得到正确的结论。文献综述

2。提高了系统的分辨能力：运用几何方法，使用多个传感器组成联合孔径，可以获得比任何单一传感器更高的分辨率。

3。拓展了空间和时间上覆盖的范围：通过多个传感器的协同作用，扩展空间和时间覆盖范围，这是由于多传感器可以降低目标信息的模糊度。传感器之间的互补性可以增加测量空间的维数，减少检测盲点。

4。经济性较好：虽然多个传感器相对于一个而言比较昂贵，但是要取得同等数量和质量的信息，多传感器信息融合与单传感器相比还是有较大的经济优势。

在信息融合的层次方面，人们最早将数据融合模型分为“像素级、特征级、决策级”三级融合，后来经过拓展逐步形成了更为先进的“目标评估、态势评估、威胁评估、过程提炼”的四级概念[4]：通过动态监控融合处理过程，优化管理，实时反馈，以达到最佳融合效果。融合方法是数据融合之中的关键环节。对应于三级融合模型，融合方法主要有以下几种：信息层融合方法主要有加权平均法、选举法、卡尔曼滤波法等；特征层融合方法主要有模糊推理法、神经网络法等；决策层融合方法主要有贝叶斯方法、D-S证据理论法等。D-S方法在不确定信息的表达与融合方面有独到的优势，这使得它在数据融合领域获得了广泛的应用。D-S方法的主要优点是：满足比Bayes概率理论更弱的条件，即不必满足概率可加性，具有直接表达“不确定”和“不知道”的能力，可以很好地运用证据理论对不完整性、不确定性问题建模。正是因为 D-S 证据理论作为一种数学工具，在不确定性信息的表示及融合等方面的独特优势，成为近年来国内外的一个研究热点。由于 D-S 证据理论在证据间冲突的表示、融合等方面也有着一些问题和局限，因此，基于证据理论的信息融合研究，对于进一步完善和丰富证据理论，促进信息融合技术的发展有着广泛和深远的意义。

1。2 国内外研究概况

1。3 本文结构

当前，国内外关于D-S 证据理论的研究，大部分着眼于以下几个方面：（1）理论研究，如高度冲突证据的融合问题；（2）实践应用，如证据理论在故障诊断、水质检测、火灾监测和目标识别中的应用等；（3）证据理论的扩展，即结合证据理论和其他融合方法，以期获得更好的融合结果。本文主要围绕第一个方面，即理论研究方面，归纳整理了多传感器信息融合技术的基本原理，介绍了多种信息融合方法，对决策层融合中的D-S证据理论应用进行了深入的研究。然后，对于D-S证据理论在运用中存在的问题进行了分析，提出了可能的改进方法。

文章的主要结构如下：来:自[优E尔L论W文W网www.youerw.com +QQ752018766-

    第一章：绪论。主要介绍了多传感器信息融合技术和证据决策理论的发展概况和研究意义，简要叙述了本文的研究内容和文章的结构安排。

    第二章：信息融合技术概述。首先介绍了多传感器信息融合技术的基本原理，阐述了信息融合的过程，融合的层次结构以及常见的信息融合方法，为后面的章节做好理论基础。

    第三章：D-S证据理论，首先对D-S证据理论基础知识进行分析阐述，针对其包含的识别框架，mass函数（即基本概率赋值函数）、信任函数和似然函数分别给出了概念描述与解析，并介绍了D-S融合算法。